【导语】“倩骞文”通过精心收集，向本站投稿了5篇改进的多目标遗传算法在无人机机翼结构优化中的应用，下面是小编整理后的改进的多目标遗传算法在无人机机翼结构优化中的应用，欢迎大家阅读分享借鉴，希望对大家有所帮助。
- 目录
篇1：改进的多目标遗传算法在无人机机翼结构优化中的应用
改进的多目标遗传算法在无人机机翼结构优化中的应用
现有的多目标遗传算法往往只能求得整个非劣曲线的一部分,同时局部搜索能力差,收敛速度较慢.为了解决这些问题,提出了一种改进算法,该算法将非劣分层遗传算法(NSGA)与向量评估遗传算法(VEGA)的优点结合起来,并且提供了一个利用往代信息构造搜索方向的局部搜索算子,有效扩展了非劣曲线的范围,加快了收敛速度.以某无人机机翼结构的`多目标优化问题为例,证明本文改进算法可以较为快速地获得一个分布均匀的非劣解集.
作 者：苟仲秋 宋笔锋 李为吉 GOU Zhong-qiu SONG Bi-feng LI Wei-ji 作者单位：西北工业大学,航空学院,陕西,西安,710072 刊 名：空军工程大学学报（自然科学版） ISTIC PKU英文刊名：JOURNAL OF AIR FORCE ENGINEERING UNIVERSITY (NATURAL SCIENCE EDITION) 年，卷(期)：2006 7(3) 分类号：V214.19 关键词：多目标优化 遗传算法 结构优化篇2：改进的遗传算法在连续体结构多目标拓扑优化中的应用
改进的遗传算法在连续体结构多目标拓扑优化中的应用
连续体结掏多目标拓扑优化是结构优化领域中的一个较难的研究课题.本文提出了一种改进的SPEA2多目标优化算法.该算法中采用数学形态学中的四方向链码的编码方式进行结构拓扑表达,使产生的拓扑结构清晰且无异议,完全消除了模糊的拓扑边界和棋盘格现象.提出了“质量向量”的概念,用以量化两个结构拓扑之间的相似性,从而使得不同结构拓扑之间的相似性比较成为可能.同时还将机器学习中的范例学习的思想融入到新算法中,利用前面的有限元分析结果对后来的结构分析进行指导,剔除了很多不必要的.重复的计算,从而使算法的总计算量大幅度地减少.将新算法应用于悬臂和简支两类深梁的多目标拓扑优化,获得了高质量的Pareto最优解,且具有很好的分布.
作 者：葛培明 李尧臣 GE Pei-ming LI Yao-chen 作者单位：同济大学,航空航天与力学学院,上海,200092 刊 名：力学季刊 ISTIC PKU英文刊名：CHINESE QUARTERLY OF MECHANICS 年，卷(期)：2008 29(3) 分类号：O224 TU311 关键词：遗传算法 多目标优化 拓扑优化篇3：改进遗传算法在桁架结构优化设计中的应用
改进遗传算法在桁架结构优化设计中的应用
文章针对简单遗传算法的早熟现象及不能处理带有复杂约束的`优化问题,提出了一种基于乘子法与伪并行遗传算法的改进遗传算法,并将其应用于桁架结构优化设计中.计算结果表明改进遗传算法全局寻优能力强.
作 者：施雷 王琦 张文鹏 SHI Lei WANG Qi ZHANG Wen-peng 作者单位：南昌航空大学航空与机械工程学院,江西,南昌,330063 刊 名：南昌航空大学学报（自然科学版） ISTIC英文刊名：JOURNAL OF NANCHANG HANGKONG UNIVERSITY(NATURAL SCIENCES) 年，卷(期)：2009 23(1) 分类号：V214.1 V214.19 关键词：乘子法 伪并行遗传算法 结构优化设计篇4：遗传算法在含连续/离散变量结构优化中的应用
遗传算法在含连续/离散变量结构优化中的应用
传统的优化方法难于有效地处理含有连续/离散混合变量优化问题.本文探讨了如何将遗传算法应用于含连续/离散设计变量的.结构优化问题.着重讨论了连续/离散混合变量的编码方法和减少适应度函数计算次数的micro GA技术.将遗传算法应用于数学考题和十杆结构尺寸/材料混合变量优化问题.两个算例表明,遗传算法能比较有效地解决含连续/离散混合设计变量的优化问题.
作 者：余雄庆 丁运亮 Yu Xiongqing Ding Yunliang 作者单位：南京航空航天大学飞行器系,南京,210016 刊 名：南京航空航天大学学报 ISTIC EI PKU英文刊名：JOURNAL OF NANJING UNIVERSITY OF AERONAUTICS & ASTRONAUTICS 年，卷(期)：1999 31(5) 分类号：V222 关键词：最优化算法 遗传算法 结构设计 结构优化篇5：混合遗传算法及其在翼型气动[1*9/9]多目标优化设计中的应用
混合遗传算法及其在翼型气动[1*9/9]多目标优化设计中的应用
把基于实数编码的自适应遗传算法(SAGA)与可变容差法相结合,建立了数值优化设计中的混合遗传算法(HGA),并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计.与自适应遗传算法相比,混合遗传算法的优化质量略有改善,优化效率有明显的`提高.优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的.
作 者：王晓鹏 作者单位：西北工业大学 刊 名：空气动力学学报 ISTIC EI PKU英文刊名：ACTA AERODYNAMICA SINICA 年，卷(期)：2001 19(3) 分类号：V211.1 关键词：混合遗传算法 跨声速翼型 气动优化设计改进的多目标遗传算法在无人机机翼结构优化中的应用（推荐5篇）
